不止于提示词:从宝玉的AI产品三年经验中,提炼出5个AI原生方法论
思然日新｜高校科研
减少充当AI工具人的频率,着重提升自己拆解问题、搭建流程和把控产出的能力
摘要速读
本文面向那些已经掌握AI基础用法,却还困在"提问、写文档、出内容"层面的人。宝玉以自己打磨了三年的字幕工具BaoCut为例,系统讲述了一个AI产品从需求挖掘、效果验证到持续迭代的完整历程,一直延伸到Agent时代。下面挑出其中最值得专门展开的5条AI原生工作法。
思然日新 · 2026-09-04
差距也许并不在提示词本身。当AI逐步具备真正的执行力后,我们需要学习的重心已经发生了转移。
最近两个月我密集体验了大量AI产品,一个感受越来越清晰:
同样是使用GPT、Gemini、Claude、Codex,有人只是把原本需要1小时的任务压缩到了30分钟,有人却已经在重构自己的工作范式。
前阵子观看了宝玉在腾讯内部的一次分享,他以自己运营了三年的字幕翻译产品BaoCut为主线,把一个AI项目从定位、验证、优化一直聊到了Agent阶段。里面有几条思路,我觉得很值得拎出来细看。
尤其推荐给那些已经能用AI做事,却总觉得停留在"提问、写文档、出内容"阶段的朋友。
摘要速读
读完后你会收获5条AI原生工作法:
01
别盲目追新模型,盯住"能力临界点"挖需求
/ INSIGHT
宝玉在分享中提了一个很有启发的对照。
2023年AutoGPT横空出世时引发热潮:给AI布置一个任务,它自主搜索、推理、接着往下做。愿景很美好,但彼时模型能力有限,Agent常常陷入死循环,加上GPT-4的调用成本居高不下。
再到Manus登场,仍然是"让Agent自主处理复杂任务"这个方向,落地效果却天差地别。
其中一个关键因素,就是底层模型的能力已经突破了那条分界线。
这一思路对我们的日常实践很有指导价值。
每次GPT、Gemini、Codex更新时,现在我更倾向于追问自己三个问题:
大量AI产品的机会,就潜伏在模型刚刚跨过的那条能力线旁边。
所以今后再看到"某模型又迭代了"这类消息,别光盯着Benchmark跑分。拿一个你之前试过但效果不佳的任务,重新跑一遍试试。
这往往比刷十篇模型评测报告更有实际意义。
02
AI介入后,旧流程可以彻底推倒重建
/ WORKFLOW
BaoCut早期的字幕翻译链路,基本沿用了传统字幕组的模式:
Whisper转写 → SRT → AI翻译 → 人工校对 → 调整时间轴。
随着Agent能力提升,宝玉没有选择在原有流程上小修小补,而是重新追问:
我最终真正需要的究竟是什么?
答案很简单:一段时间轴精准、翻译质量过关的中文字幕。
于是整套流程被重新规划。
保留词级时间戳,先做全文与术语分析,再分段落翻译,最后让Agent调用工具校验英文与中文是否一一对应。人从繁琐的中间环节中抽身,只承担任务输入与最终验收。
重点提醒
当AI能力发生跃迁,最值得审视的不是某个步骤能否加速,而是整条流程是否还有继续沿用的必要。
这个视角对日常工作启发很深。
比如课题申报这件事,以往可能是:
查指南 → 下载文档 → 通读 → 抽取要求 → 选定方向 → 撰写申报书 → 自查修改。
引入AI之后,多数人只是把"撰写申报书"这个环节丢给GPT。
更进一步的思路,是重新搭建流程:
指南录入知识库 → AI提取申报条件 → 比对个人研究基础 → 批量产出选题 → 多维交叉评审 → 按评分迭代 → 人最终定夺。
03
未来人的价值,将越来越向"两端"集中
/ ROLE
宝玉在问答环节有一句话我深以为然:
"执行层面的事情交给AI,不必有任何心理包袱。"
写代码、梳理资料、生成PPT、转换格式、批量处理文件,这些执行类工作越来越适合外包出去。
人应该把更多精力聚焦在两端:
这也说明了为什么AI越强大,"会提问"依然远远不够。
你需要明确自己真正要解决的问题;清楚如何把任务拆解到AI可以胜任的粒度;知道结果达标的标准是什么;还得有能力判断AI交付物的质量高低。
比如让AI写文章,生成8000字已经不是难事。
难的是你能否一眼看出:这个立意太过平庸,这个案例不够有力,这一段充满AI腔,这个标题读者毫无点击欲望。
所以AI时代有一种能力会越来越稀缺:验收与判断的能力。
04
上手AI最快的路径,是亲手打造一个"小产品"
/ LOOP
宝玉还分享了一个方法,我觉得特别适合现阶段不知如何深入学习AI的人。
别一直啃教程。给自己找一个真实的需求去攻克。
哪怕只是搭建一个很小的Skill、工作流或者Agent。
比如:
这里最关键的并非最终产出了什么软件。
而是你会被迫走完一轮完整的闭环:
需求 → AI执行 → 结果 → 发现问题 → 调整规则 → 再次执行 → 验收。
宝玉把它比喻为一种Loop Engineering:小循环打磨具体项目,大循环借助输出与反馈持续刷新自身能力栈。
这或许比囤积100条提示词管用得多。
05
我现在评估一个AI任务,只问自己这5个问题
/ CHECKLIST
看完这次分享,我给自己归纳出了一套极简的检查清单。
今后每当模型更新,都可以把手头的工作重新过一遍这五个问题。
注意
模型升级的价值,通常不是让同一条Prompt从80分提升到85分,而是你原先必须亲力亲为的整块工作,如今已经可以直接砍掉了。
当AI开始拥有真正的执行力之后,我们需要学习的内容已经发生了根本变化。
少做AI的操作执行者,多训练自己定义问题、搭建流程和验收结果的能力。
这三项,可能才是未来几年最值得持续打磨的基本功。
关键词
#人工智能#AI工具#AI工作流#Agent#效率提升
PS：都看到这里,来个点赞、在看、关注吧。
您的支持是我坚持的最大动力！
当然想第一时间收到推送,也可以给我个星标 ⭐~
也欢迎评论区多多讨论,说出你的想法。